基因组时代的动物遗传评估技术

基因组时代的动物遗传评估技术 遗传评估 评估和比较动物个体在遗传上的优劣为选择优秀种用个体提供依据动物育种的中心工作 表现型 基因型 环境 常规遗传评估技术 基因 黑箱 表型 环境 遗传评估 亲属的表型 BLUP 特点 利用表型进行遗传评估 常规遗传评估技术 BLUP方法是常规遗传评估技术的核心 y 表型信息A 系谱信息 常规遗传评估技术 对很多重要经济性状十分有效 美国荷斯坦奶牛产奶量表型及遗传进展 加拿大猪100kg体重日龄遗传进展 常规遗传评估技术 局限性当性状表型难以获取或遗传力低时 遗传评估可靠性不高不能进行早期遗传评估 标记辅助选择 MAS 基因 黑箱 表型数据 基因信息 遗传评估 分子遗传学 主效基因 QTL 特点 利用表型和部分基因的信息进行遗传评估 标记辅助选择 MAS y 表型信息A 系谱信息M 标记信息 遗传评估技术 MA BLUP 标记辅助选择 MAS 应用现状实际应用不多应用效果不显著主要原因 已被证实具有显著效应的基因或标记有限 发现并证实一个有效的基因需要很长的时间和很高的成本 这些基因或标记仅能解释有限的遗传变异 10QTL 50 遗传变异 基因组选择 利用覆盖全基因组的高密度标记 SNP 进行个体遗传评估可以捕获所有的遗传变异无需表型信息即可进行遗传评估利用SNP芯片技术进行标记测定 基因 黑箱 标记信息 遗传评估 全基因组SNP芯片 用于遗传评估的数据 10001112200200121110111121111011110011211000201220022201111202101200211122110021112001111001011011010220011002201101120020110102022212112210201001110001122022122211202112012020100202202000021100011202011221112111022011110000212202000221012020002211220111012100111211102112110020102100022000220100020110000220221102211210112111012222001211212220020002002020201222110022222220022121111210021111200110111011200202220001112011010211121211102022100211201211001111102111211021112200010110111020220022111010201112111101120210210212110110221220012110112110120220110022200210021100011100211021101110002220020221212110002220102002222121221121112002011020200122222211221202121121011001211011020022000200100200011110110012110212121112010101212022101010111110211021122111111212111210110120011111021111011111220121012121101022202021211222120222002121210121210201100111222121101 基因组选择 基本步骤1 利用一个参考群体估计每个SNP的效应参考群体 每个个体都有性状表型记录和所有SNP基因型2 利用SNP效应估计值计算候选群体的个体基因组育种值候选群体 每个个体都有所有SNP基因型 基因组选择 估计所有SNP的遗传效应 SNP基因型 性状表型 SNP基因型 估计基因组育种值 SNP基因型 候选群体 估计基因组育种值 参考群体 在参考群中估计标记效应gi 染色体片断遗传效应 估计标记效应 在候选群体中计算个体gEBV 全部基因组染色体片断 染色体片断效应 计算基因组育种值 gEBV 基因组育种值 1 1 1 1 1 25 1 1 1 1 1 42 1 1 1 1 1 22 1 1 1 1 38 40 SNPeffect 00 20 40 20 Chr1 Chr2 Chr3 Chrn KnownSNPs NumberofSNPs SNPalleleeffect 标记效应的估计方法 最小二乘法岭回归和BLUP贝叶斯方法BayesA B C和压缩其他方法半参数 非参数机器学习 主成份分析 最小二乘法 对标记效应分布无任何假设 1 对每个标记作单点回归分析 2 选择效应值最大的m个点放入模型中 同时对其进行估计 不足 1 难以确定模型选择的阈值2 容易高估标记效应 最佳线性无偏预测和岭回归 假定全部标记有相同的方差 BLUP 岭回归 人为选定 sym 贝叶斯方法 A 允许不同标记有不同的方差且服从一定分布 使用Gibbssampling u gi Ve Vgi 图片来自Hayes 2001 允许标记方差为0 概率为q概率为1 q Bayesianshrinkage 标记效应越大 压缩越弱标记效应越小 压缩越强 贝叶斯方法 B 压缩 准确性 估计育种值和真实育种值间的相关 数据来自Meuwissenalet 2001 不同方法的准确性 SNPAdd PolygenicSNPDom a additiveSNPd dominanceSNPu polygenice residue y 表型信息X 遗传标记信息A 系谱信息 模型的扩展 基因组选择和常规遗传估计技术的育种效益比较 以奶业为例 后裔测验 数据来自加拿大 每年参加后测的公牛数量 500头每头后测公牛的育种成本 5万美元后测的总成本 2500万美元中选公牛数目 20头每头中选公牛的育种成本 125万美元年遗传进展 0 215遗传标准差单位遗传标准差遗传进展的育种成本 1 16亿美元 基因组选择每个个体基因组标记信息测定成本 500美元基因组单倍型效应估计孙女试验设计 50个公牛家系 每头公牛50个儿子 每个儿子100个女儿效应估计成本 125万美元公牛母亲选择进行2000头母牛的预选择全部个体进行基因组标记信息测定 根据GEBV选择1000母牛评估成本 100万美元 基因组选择和常规遗传估计技术的育种效益比较 以奶业为例 基因组选择 续 公牛选择从1000头公牛母亲中获得500头预选公牛对所有公牛进行基因组标记测定 根据GEBV选择20头公牛评估成本 25万美元20头公牛的购买成本 10万美元每头公牛连续3年的维持费用 3万美元每年的总育种成本 195万美元每年的遗传进展 0 467遗传标准差单位遗传标准差遗传进展的育种成本 417万美元 基因组选择和常规遗传估计技术的育种效益比较 以奶业为例 基因组选择的另一策略 利用参考群体估计SNP效应选择效应显著的SNP利用选择SNP的信息构建的参考群体和候选群体个体间的加性遗传相关矩阵 具有性状特异性 用BLUP方法估计候选群体 无表型信息 的个体育种值 原理 参考群体及候选群体的个体育种值 利用SNP的信息构建的加性遗传相关矩阵 基因型系谱 0 homozygousforfirstallele alphabetically 1 heterozygous2 homozygousforsecondallele alphab